Marcus_Zwick_
BLOGGPOST
RPA

RPA: Effektivisering av kommunikationskampanjer i 7 steg

Tips från Sogetis Marcus Zwick om hur du kan använda RPA i kundnära arbete som kundservice, marknadsföring och försäljning.

RPA och automatisering associeras ofta med avdelningar vars arbete är administrativt och inte är allt för kundnära. Exempelvis ekonomi, inköp och IT. Trots det finns det gott om möjligheter att använda RPA i kundnära arbete som kundservice, marknadsföring och försäljning. 

RPA kan snabbt hämta upp, sammanställa, analysera och routa data från olika system.

Det här exemplet baseras på ett mjukvaruföretag som skapade en robot för att klassificera användare och därefter placera användarna i olika marknadsföringskampanjer. Jag visar med sju steg hur de använde roboten för att först ladda ner information om användarna, till att i sjunde steget berätta för verktyg som Mailchimp och Intercom vilka meddelanden de ska skicka till varje användare.

Roboten hanterade nästan allt arbete med att sammanställa data och placera användare i olika marknadsföringskampanjer. Det gjorde att de anställda kunde spendera mer tid på att skapa strategier och material för kampanjerna, samt följa upp med användare för att försäkra att de hade en god användarupplevelse och konverterades till betalande kunder. 

No alt text provided for this image
  1. Robotens första uppgift var att samla in data från två platser. (1) En databas med information om antalet användare, funktioner som använts, betalningsplan osv. (2) Ett kundtjänstverktyg (Zendesk) med kompletterande information med bland annat historik om kunden, problem de stött på, klassificering av de inblandade intressenterna hos kund osv. För att roboten på bästa sätt skulle kunna tolka informationen från Zendesk behövde teamet som arbetade i verktyget föra in informationen via dropplistor med fördefinierade val. Detta eftersom roboten förstår strukturerad information mycket bättre än fritext.

  2. Därefter sammanställde roboten all data och kategoriserade användarkonton i olika segment. För att det skulle vara möjligt behövde företaget först bestämma bestämma vilka segment som ska finnas och vad som krävs för att ett användarkonto ska tillhöra ett specifikt segment.

  3. Roboten fortsatte sedan med att ladda upp bearbetad data i Salesforce.

  4. Företaget hade innan roboten lanserades skapat mallar i Salesforce, som styrde hur data visualiserades när den laddades upp i Salesforce. Allt roboten behövde göra var att ladda upp enligt förinställda instruktioner.

  5. De olika teamen kunde vid behov justera kundsegmenten manuellt, exempelvis genom att flytta en kund från ett segment till ett annat. Som regel behövdes det inte göras, utan det var huvudsakligen om en anställd satt på information som inte var dokumenterad i något av källsystemen. Några av kundsegmenten som användes var: (1) Nya användare som inte börjat betala än, (2) nya användare från Fortune 500 företag, (3) användare vars gratislicens snart tar slut, (4) betalande kunder som endast lagt till 1-3 användare på sitt konto, (5) seniora kundkonton som organisationen på ett eller annat sätt visste var speciellt positivt inställda till applikationen.

  6. Baserat på vilket segment kunden tillhörde fick den olika meddelanden skickat till sig. Företaget använde sig av två olika verktyg, varav roboten behövde skicka listor med användare till de båda verktygen och informera verktygen om vilka segment användarna tillhörde. De verktyg företaget använde sig för utskick var Mailchimp (e-postkampanjer) och Intercom (kommunikation direkt i applikationen)

  7. Vilket segment användarna tillhörde styrde kommunikationsutskicket. Exempelvis, nya användare fick ta del av marknadsföringskampanjen för nybörjare (e-post med kunskapsmaterial och kontaktpersoner samt direktmeddelanden via Intercom där de fick betygsätta användarupplevelsen). Undantaget var nya användare som tillhörde kampanjen för nya användare från Fortune 500 företag. De fick specialanpassad kommunikation som byggde på att seniora roller snabbt skulle kunna skapa en personlig relation med den potentiella kunden.

Flödet kan sammanfattas på följande vis:

No alt text provided for this image

Vill du diskutera mitt inlägg eller bolla mer kring RPA, hör gärna av dig till mig!

todo todo
KONTAKT
  • Marcus Zwick
    Marcus Zwick
    Senior IT-projektledare/RPA-expert, Sogeti Linköping
    073-034 55 89
Robotic Process Automation
Effekten-podden #108